Аналитик/DS/MLE
Описание
Позиция: Middle+ - Senior Аналитик/DS/MLE
Компания: Т-банк, команда эффективности [Нефинансовых сервисов]
Формат работы: fulltime, гибрид, Москва, офис на Белорусской
Вилка гросс: 400-700К + годовые премии (со звездами условия можем обсудить отдельно)
Про нас:
Мы создаём и внедряем алгоритмы, которые улучшают экономику экосистемы, делая её выгоднее для клиентов, прибыльнее для бизнеса и эффективнее для партнёров с помощью кешбэка, ценообразования и рекламы
Основные направления:
1. Динамическое Ценообразование и Оптимизация Промо: определять кому, на что и сколько кешбэка / скидок дать, опираясь на цели бизнеса (например чтобы вырастить выручку без просадки маржи). Вам предстоит перейти от простых эвристик к алгоритмам, uplift-моделям и RL, а также выстроить инфраструктуру вокруг этих решений
2. Рекламные алгоритмы: развивать аукцион и алгоритмы принятия решений внутри него, а также внедрять CPA-модель в партнерских размещениях (рекомендовать ставку и лимиты на кешбэк)
3. Оптимизация маркетингового бюджета: развивать МММ, модели атрибуции и causal-подходы для оценки инкрементальности каналов, понимать реальный вклад маркетинга в рост и перераспределять бюджеты в точки с максимальным ROI
4. Поиск и создание новых механик роста: генерировать гипотезы на основе продуктовых исследований и A/B-экспериментов, лидировать создание новых фич и механик, доводить лучшие из них до прода
Что предлагаем:
— Сплоченная команда 30+ человек из ШАД/ФКН/МФТИ/РЭШ
— Задачи с околонулевым легаси на стыке продукта, ML, оптов и разработки
— Прямое влияние на ключевые метрики бизнеса и деньги, управление большими бюджетами (от 50+ млн в месяц)
— Быстрый путь от гипотезы до продакшена
— В некоторых направлениях есть возможность для роста в лида
Что ожидаем от кандидата:
— Хорошего знания математики и применения в рабочих задачах математической статистики
— Хорошего знания ML (для аналитики/DS достаточно понимать базовые принципы)
— Базовую инженерную грамотность
— Уверенный SQL и Python
Будет плюсом:
— Опыт uplift-моделирования
— Знание базовых RL-алгоритмов
— Опыт внедрения ML-моделей в продакшн
— Знакомы с дискретной оптимизацией
— Понимание unit-экономики и PNL
— Опыт работы в командах эффективности / рекламы / рексис
Ответы на 10 вопросов:
1. Данные: В основном GreenPlum (все данные банка), мобильные события - ClickHouse
2. Железо: Коммунальные GPU и CPU сервера с большим выбором и количеством железа + MacBook Pro для разработки
3. Масштаб влияния на core-бизнес? Рост и выполнение OKR по продуктам бизнес линии зависит от работы нашего направления
4. Уровень развития Data Science в компании? Экспертиза в банке высокая, есть отдельные RnD команды, с которыми можно консультироваться, в рамках направления каждый проект частично или полностью связан с ML и оптимизацией
5. Роль дата сайентиста: Аналитики и MLE - двигатель и сердце направления, так как продактов в направлении практически нет. Занимаемся end-to-end проектами: от идеи и постановки задачи до реализации и обсуждения выкатки на прод с командой продукта
6. Бэкграунд у вашего руководителя?
7. Как часто вам будут мешать работать?
- Созвоны с командой: 2 - 3 часа в неделю
- Созвоны с продуктовой командой: 1 - 3 часа в неделю (в зависимости от позиции)
8. Карьерный рост: формализована матрица компетенций, есть возможность быстро расти по грейдам в силу начальной стадии направления, также есть возможность роста в лида
9. Prod/Research: Prod/Research 80%/20%
10. Функция сервиса или лидера? Сервис/лидер: 20%/80%Если интересно или есть вопросы – пишите в , расскажу подробнее